Journal Archive

생활권 개념은 영국의 산업혁명 이후 급격한 도시화로 인해 위생 및 환경 등과 관련된 도시 문제가 발생하였고 이에 따라 다양한 도시계획 개념이 제시되며 등장하게 되었다. 영국의 하워드(E. Howard)는 인구의 집중을 억제하기 위해 전원도시(Garden City) 개념을 도입, 도시 주위에 자족적인 마을 계획을 제시하였다. 이는 1929년 미국의 페리(C.A Perry)가 제안한 근린주구 이론의 바탕이 되었으며 이때의 주거단위는 초등학교를 기준으로 반경 400m로 규정하였으며, 초등학교와 공공시설 상업시설 등을 배치하고 주구의 경계는 주요 간선도로로 이루어지게 했다. 이와 같은 근린주구 이론은 1940년대 영국의 뉴타운 개발에서 기본단위로 사용되었다(권혁삼 외, 2008).

이후 자동차 중심으로 도시가 대규모로 개발되면서 도시가 무질서하게 확산함에 따라 새로운 도시설계 개념의 필요성이 대두되었다(이규인 외, 1997). 지역적 특성 및 보행 친화적으로 주거지의 전반적인 네트워크를 고려하는 개념이 제안되면서 영국 어반빌리지(Urban Village)와 미국의 뉴어바니즘(New Urbanism)이 등장하였고 이를 바탕으로 한 생활권 개념은 전통근린주구 개발 및 대중교통중심개발 등으로 발전되었다(권혁삼 외, 2008).

국내에서도 도시에서의 삶의 질을 높이기 위해 생활권계획에 대한 중요성이 언급되면서 이와 관련된 다양한 연구가 진행되고 있다.

도시계획 측면에서 생활권은 연구마다 정의하는 바가 조금씩 다르지만, 그 의도하는 바는 동일한 것으로 볼 수 있다. 예를 들어, Rapoport(1985)은 거주자의 생활을 담는 물리적인 공간으로서, 그 지역의 문화적, 정신적, 사회적 측면에서 상호작용으로 형성되는 통합적인 사회문화적 산물이라고 정의하고 있다. 이는 거주자의 생활양식의 공간을 주택으로 보는 것이 아니라 더 넓은 공간인 도시로 설정하여 생활양식은 도시 공간구성에 영향을 받는 것을 말한다. 또 다른 연구에서도 도시라는 공간단위를 대상으로 거주자 간의 사회적 상호작용과 생활방식을 예측해 삶의 질을 높이는 것을 생활권계획의 출발이라고 말하고 있다(권혁삼 외, 2008). 또한, 김덕수(2012)에서는 생활권을 행정적인 경계와는 무관하게 거주자의 통학, 쇼핑, 출퇴근 등 기본적인 일상생활을 영위하기 위해 활동하는 공간적 범위로 보며 계획의 기본공간단위를 생활권이라고 정의하고 있다. 이처럼 생활권의 정의는 조금씩 다르지만, 거주자의 생활반경을 반영하는 합리적인 공간적 단위가 생활권이라고 말하고 있다.

한편, 생활권의 설정 기준은 지자체마다 다르게 제시되고 있다. 해외의 경우, 과거에는 대중교통 중심의 상호 연결된 가로체계 등을 생활권 기준으로 삼았다면 현재에는 지역 공동체 및 보행 친화적이며 전체의 네트워크를 강조하는 생활권 개념을 제안하고 있다. 런던시 헤링게이(Haringey)구는 보존지역, 중심지를 기준으로 주요 도로, 철도역과 철도 노선 등을 고려하여 19개의 행정동을 2~4개로 묶어 각 지역 생활권을 계획하였다. 이때, 주민들의 의견을 수렴하여 각 지역의 커뮤니티 그룹 기준과 교통 연계 등에 대한 주민들의 의견을 반영하였다(Haringey Council, 2013). 동경 네리마구는 역세권을 기준으로 생활권을 구축하고 있는데 구 전체를 7개 지역으로 구분하고 있다. 그러나 각 지역의 경계는 서로 겹쳐있는 형태를 보이는데, 이는 경계 부근이 인접해 있는 둘 이상의 생활권이 존재함을 의미한다(練馬区, 2015).

국내의 경우, 서울시는 도시의 지형 및 하천과 같은 물리적 환경을 고려하며 교육 학군이나 거주인구의 특성을 종합적으로 고려하여 생활권을 설정하고 있다(서울특별시, 2014; 하재현·이수기, 2016). 충청북도 청주시는 자연적, 물리적 생활환경의 특성을 반영하고 역사와 문화적 동질성을 고려한 생활권을 설정하였다. 여기에서의 설정 기준은 생활권별로 독자적인 도시기능을 수행할 수 있도록 지역적 특성을 고려하면서, 인구 기준으로 보다 세분화된 생활권 구분을 설정하였다(충청북도, 2010).

이처럼 생활권 설정 기준은 각 나라 또는 지자체마다 다르게 제시되고 있다. 지역주민들의 의견을 종합적으로 반영하여 주민들의 지역상을 담은 생활권 같은 경우 지역주민들의 공감을 이끌어낼 수 있지만, 계획의 효율성 측면과 공공 및 편익시설이 특정 지역에 편중되어 공간적으로 고르게 배분되지 못한다는 단점이 있다. 교통시설, 행정경계 등과 같이 물리적, 환경적 요소를 고려한 생활권의 경우 경제적인 효율성이 높을 순 있지만, 단순히 행정상의 편의를 위한 것임으로 도시민들의 통행패턴을 고려하지 못한 생활권계획이라고 말할 수 있다. 따라서 본 연구에서는 물리적인 요소 및 행정경계가 바탕이 되는 기존에 제시된 생활권이 아닌 행정경계를 넘나들며 도시민들의 실질적인 통행패턴 즉, 통행목적 및 수단을 고려하여 주민들의 공감을 얻을 수 있는 생활권 구축에 대해 살펴보고자 한다.

지자체별로 수립된 생활권계획이 도시민들의 생활반경을 반영하지 않았다는 의견이 제기되면서 설정 기준에 있어 다양한 연구들이 등장하기 시작했다. 권혁삼 외(2008)에서는 먼저 국내 주거지 계획에 적용된 생활권의 개념 변화를 국외와 비교 분석했다. 실제로 국내 생활권 공간구성이 어떤 방식으로 변화했는지를 보기 위해 한강 아파트 지구에서부터 파주 운정 신도시까지 생활권 개념이 구체적으로 나타나는 사례를 분석 대상지로 선정하였다. 이 연구는 통근통행 거리의 증가로 인해 인접 생활권의 개방 및 연계하는 계획방식이 적용되어 생활권 범위가 점차 넓어지고 있는 것을 보고하고 있다.

정태순 외(1988)는 서울시를 대상으로 사회경제적 지표인 토지이용 별 개발밀도, 지가, 고용밀도 등을 변수로 설정하였다. 이를 토대로 도시기능에 있어 효율성을 높여주는 생활권 대안을 제시하고 있다. 박종순 외(2011)는 대구광역시 달성군을 공간적 범위로 설정하고 있으며 지역 내 주요시설로 우체국, 은행, 중학교로 한정하여 시설에 대한 접근성에 따라 생활권을 설정하고 있다. 김덕수(2012)는 미래도시 생활권의 공간모델을 제안하고 있다. 첨단 기술과 유비쿼터스 기술의 발전에 따라 새로운 도시 공간구조의 필요성을 말하며 TOD 도시 공간구조 구축을 기반으로 한 생활권계획을 제시하고 있다. 앞에서 본 연구들은 정량적인 지표와 공공시설 및 대중교통을 기준으로 생활권 구축방법을 제시했다. 이는 도시민들의 실질적인 통행패턴을 반영하지 못한다는 측면에서 한계점이 있다.

한편, 김광익(2014)은 농촌 지역의 생활권을 통근통행 연계구조 및 중심지 계층구조 분석 등을 통하여 그 특성을 제시하고, 해외 농촌 지역의 생활권 관련 정책 동향을 파악해 비교 분석하였다. 통근통행을 고려한 생활권 구축기준을 제시하였다. 이 연구는 공간적 범위를 농촌 지역으로 한정하여 분석했기 때문에 주변 지역 간의 연계성이 부족하다는 한계점이 있다. 오병록(2014)은 통행수단별 평균 이동 거리를 활용하여 생활권을 구축하였는데 도보, 지역순환교통, 시내버스, 승용차 등으로 유형을 구분하고 통행 거리를 바탕으로 위계별 생활권 규모를 도출하였다. 실제 도시민들이 이용하는 통행 수단과 통행 거리를 고려한 생활권을 구축했다는 것에 의의가 있다.

하재현·이수기(2016)는 가구통행실태조사를 통해 통행특성 중 통근에 대한 기종점 데이터를 구축하고 Community Detection 방법론을 활용하여 도시민들의 통행행태에 있어 객관적인 생활권을 구축하였다. 또한, 서울시와 그 주변 지역으로의 공간 범위를 넓혀 분석한 결과로, 지역 간 연계성까지 고려한 생활권 구축을 제시하고 있다. 그러나 도시민들의 통행행태 중 통근통행만을 고려했기 때문에 다양한 통행행태에 대한 생활권 구축을 하지 못했다는 한계가 있다.

앞서 관련 선행연구를 고찰한 결과로 시간의 흐름에 따라 생활권 개념의 변화를 분석하여 이의 설정 기준을 제시한 연구가 있었으며 토지이용 밀도와 인구밀도 등 사회경제적인 지표 또는 도시민들의 통행패턴을 고려한 기종점 통행자료를 활용하는 등 다양한 측면에서 생활권 설정에 관한 연구가 시도되었다는 것을 알 수 있었다. 그럼에도 불구하고 기존 연구는 본 연구의 목적과 비교하여 다음과 같은 한계점을 가진다.

먼저, 시간의 흐름에 따른 생활권 개념 변화를 분석하고 이를 통해 향후 바람직한 생활권계획 방향을 제시하는 권혁삼 외(2008)는 시설의 배치 관계 및 면적, 인구수 등 도시계획에 있어 상위계획에 따른 생활권 설정에 관한 연구이다. 이는 상위계획이 하위계획과 연계되지 못한다는 도시계획의 문제점을 수반하고 있다. 즉, 획일적으로 나뉜 행정경계에 따라 결정된 면적 및 인구 규모가 기준이 되는 생활권 설정은 도시민들의 실제 통행행태를 반영하지 않았으며 지역의 특징을 고려하지 못했다는 한계점을 가진다.

다음으로 정량적인 지표의 유사성을 통해 생활권을 구축한 정태순 외(1988)의 연구도 사회적 물리적 요소를 변수로 설정하였기 때문에 도시민들의 실제 생활권이 일치하지 않으며 지역 간 연계성을 고려하지 않았다는 한계가 있다.

동일한 맥락으로 오병록(2014)은 수도권을 대상으로 생활권을 살펴보았으며 지역 생활권의 분석단위를 시, 도로 설정하였다. 이는 인접한 주변 지역과의 연계성을 충분히 고려하지 못하였으며 수도권 혹은 광역시를 대상으로 하였기 때문에 농촌과 중소도시의 지역적 특성을 모두 포괄하는 생활권을 구축하지 않았다는 한계점을 갖는다.

하재현·이수기(2016)는 가구통행실태조사를 이용하여 통행목적 중 통근에 대한 기종점 데이터를 구축하여 서울, 인천, 경기 등 주변 지역의 연계성을 고려하여 위계별 생활권 구축에 대해 제시하고 있다. 그러나 도시민들의 통행패턴 중 통근만을 고려한 생활권이기 때문에 다양한 통행패턴을 고려하지 못했다는 한계점과 앞선 연구와 마찬가지로 수도권을 대상으로 한 분석이기 때문에 농촌과 같은 다양한 지역적 특성을 포함한 생활권 구축을 하지 못했다는 한계점을 가지고 있다.

방법론 관점에서는 생활권 개념 고찰에서 군집분석, GIS를 통한 접근성 분석 등으로 다양한 시도들이 있었다. GIS 프로그램을 이용한 생활권 분석의 경우, 시설에 대한 위치를 기준으로 접근성을 분석한다. 이러한 방법론은 시설의 위치가 상위계획에 의한 것임으로 자의적이고 시설이 편중되게 배치될 가능성이 있으며 공공 및 편익시설이 대상이기 때문에 통행패턴에 대한 생활권을 도출해내기에는 제한적이다. 최근 이러한 한계점을 보완하기 위해 Community Detection 방법론을 사용한 연구들이 등장하기 시작했다(예: 하재현·이수기, 2016). 따라서 본 연구에서도 충청권역 내에서 상호 연계성이 높은 지역을 바탕으로 군집을 도출해 최적의 네트워크를 만드는 Community Detection을 사용하고자 한다.

본 연구는 위에서 언급한 한계점들을 극복하고자 한다는 점에서 다음의 네 가지 관점에서 차별성을 가진다. 첫 번째, 주민들의 다양한 일상생활의 활동영역을 파악하기 위하여 2016년 가구통행실태조사를 사용하여 기종점 데이터를 구축한다. 이때, 분석단위를 시군구로 설정하였던 앞선 연구의 한계점을 보완하기 위해 이보다 더 작은 단위인 읍면동 단위로 분석하여 그 특징을 파악하고자 한다.

두 번째, 이전의 연구들이 도시민들의 통행패턴에 있어 단일 목적 혹은 단일수단으로 데이터를 구축해 분석하였다면 본 연구에서는 통행목적과 수단을 함께 고려하여 도출된 각 생활권을 비교 분석하고자 한다. 분석 결과를 통해 통행패턴별 생활권의 차이점과 특징을 살펴보고 생활권 설정에 관한 시사점을 도출하고자 한다.

세 번째, 농촌과 도시, 중소도시와 대도시를 모두 포괄하는 지역인 충청권역을 연구범위로 지정하였다. 4개의 시도인 세종특별자치시, 대전광역시, 충청북도, 충청남도를 대상으로 행정경계를 넘는 지역 간 연계성을 고려하고 농촌 혹은 도시의 다양한 특성을 반영한 생활권을 도출하고자 한다.

마지막으로 기존의 지자체에서 제시한 생활권 계획과 연구결과를 비교 분석하고자 한다. 현재 생활권계획 및 방안이 연구결과와 어떠한 차이점이 있는지를 밝히고, 시행 중인 계획의 한계점을 시사하고자 한다. 또한, 이를 기반으로 하향적인 도시계획에서 상향적인 도시계획의 변화와 통행패턴을 통한 생활권계획의 필요성을 보여주어 도시민들의 생활반경에 맞는 생활권 구축에 도움을 주고자 한다.

본 연구에서 활용한 방법론은 Community Detection 기법으로 사회네트워크 분석(Social network analysis) 방법들 중 하나이다. 이 방법론은 사람, 집단, 데이터 등 객체 간의 관계 혹은 관계의 특성을 분석하고, 분석 형태를 사회망 자체의 배열이나 네트워크 형태로 나타내는 기법이다. 이때 네트워크는 연계성이 높은 하위의 집단으로 분할 및 분석된다(Newman, 2006; 하재현·이수기, 2016). 즉, Community Detection은 상호 연계성이 높은 결절점을 바탕으로 군집을 도출할 수 있다는 장점이 있다. 군집을 도출하기 위해 커뮤니티 노드 간 상호 연계성이 높음과 동시에 서로 다른 커뮤니티는 상호배타적인 특성이 나타내는 최적의 네트워크를 찾아가는 과정을 반복 시행하게 되는데 이에 대한 개념은 <그림 1>과 같이 도식화할 수 있다.

Figure 1. 
Analysis process

앞서 말한 것처럼 커뮤니티 내에서 노드 간의 상호 연계성이 높고 서로 다른 커뮤니티에서는 상호배타적인 특성을 나타내는 척도로 모듈성(modularity)이 있다. 이 모듈성은 0에서 1 사이의 값을 가지는데, 커뮤니티의 구분이 명확할수록 큰 값이 도출된다. 여러 경우의 커뮤니티 구성 시나리오를 반복하며 그중 가장 큰 모듈성을 갖는 커뮤니티를 선정하게 된다(한치근·조무형, 2012). <그림 1>에서 커뮤니티 검출 과정 중 특정 노드에 대한 모듈성(modularity)의 계산 공식은 다음과 같다.

m은 모든 네트워크상에 존재하는 총 링크들의 가중치의 합을 각각 의미한다. ∑im은 노드 i가 이동한 A라는 커뮤니티 안에있는 모든 링크들의 가중치 합을 나타낸다. 또, ∑T는 다른 커뮤니티에서 A 커뮤니티로 입사한 링크들의 가중치 합을 의미한다. K_i는 노드 i로 입사된 링크들의 가중치 합이며 K_{i, im}는 노드 i로부터 A 커뮤니티의 모든 노드로 입사된 링크들의 가중치 합이다(Blondel et al, 2008; 김윤기, 2018). 여기서의 네트워크는 읍면동 등 분석의 공간적 단위인 노드와 출발지-도착지의 통행빈도로 표현되는 링크를 활용하여 정의되어진다.

Community Detection을 사용하기 위해 데이터에 적합한 알고리즘 및 가중치를 설정하여야 한다. 본 연구에서는 가구통행실태조사 자료를 사용하여 분석단위를 읍면동으로 설정하고, 이를 O/D 행렬로 구축하였다. 이 행렬은 방향성과 가중치가 있는 네트워크 구조를 가지게 되는데 이런 경우, Infomap 알고리즘을 적용한 분석을 시행한다. 실제로 Zhong et al.(2016)에서 방향성과 가중치가 있는 데이터 구조일 경우 Community Detection 중 적용 가능한 알고리즘인 Infomap 알고리즘을 선택하는 것이 가장 적합하다고 보고한다(하재현·이수기, 2016). Rosvall and Bergstrom(2008)에 의해 제안된 방법인 Infomap 알고리즘은 노드 간의 연결 여부뿐만 아니라, 통행량을 고려한다는 점이 특징이 있다. 이때, 동일한 행정동 내에 통행하는 경우까지 포함하여 각 노드(행정동)의 통행빈도를 산출하여 사용하였다. Infomap 알고리즘의 또 다른 특징으로는 네트워크 구조의 규모나 개수의 설정이 불가능하다는 점이다. 이는 분석 알고리즘을 통해 자동으로 결정되는 것을 의미한다(Newman, 2006).

그러나 물리적인 요소 즉, 하천 및 도로 등과 같은 것도 분석 과정에서 인지하지 못한다는 한계점이 있으며 이에 따라 행정동끼리 인접하지 않음에도 같은 네트워크(생활권)로 도출될 수가 있다. 이런 경우에는 분리되어 있는 행정동과 인접한 행정동 중 가장 높은 가중치 값을 가지는 행정동으로 포함시켰다(Zhong et al., 2016; 하재현·이수기, 2016). 이러한 재분류를 위해 가중치 값을 추가로 산출하였다. 본 연구에서 가중치란 네트워크 구조에서 특정 노드의 통행량을 유인하는 정도를 의미한다. 그러나 한 노드의 중심성이 높을 경우, 이와 연결된 다른 노드도 덩달아 중심성이 올라갈 수 있기 때문에 이러한 한계점을 보완하기 위해 가중치는 Pagerank 값을 활용하였다.

통행목적 및 수단에 따른 생활권의 변동성을 연구하기 위해 2016 가구통행 실태조사 데이터를 사용하였으며, 분석에 이용된 방법론은 Community Detection 기법이다. 이를 활용한 분석절차를 요약하여 제시하면 <그림 1>과 같다.

먼저, 생활권을 도출하기 위해 가구통행실태조사 데이터 내에 최초출발지가 자택에 해당하는 데이터만을 추출하여 사용하였다. 이는 기본적으로 생활권이 거주자의 통학, 쇼핑, 출퇴근 등 일상생활을 영위하기 위해 활동하는 공간적 범위로 정의되고 있기 때문에 최초 출발지가 회사, 학교 등이 아닌 자택을 기준으로 데이터를 추출하였다.

다음으로, 통행패턴별로 생활권 특징을 비교 분석하기 위해, 기종점 OD 데이터를 통행목적별, 통행수단별로 나누어 구축하였다. 먼저 통행목적에 따른 기종점 OD 데이터는 통근, 통학, 쇼핑, 통행목적 전체 4가지의 데이터 셋을 구축하였으며, 통행수단에 따른 기종점 OD 데이터 역시 도보, 승용차, 대중교통, 통행수단 전체 4가지 데이터 셋으로 구축하였다.

이때, 수단의 경우 출발지에서 목적지까지 가는데 이용한 교통수단 중 도보와 승용차는 하나의 교통수단(단일수단)을 사용한 경우의 데이터를 추출하였다. 이는 환승을 포함할 시 도보라는 수단의 특성이 흐려질 수 있기 때문이다. 승용차 또한, 단일이용 비율이 99.8%이므로 환승을 포함하지 않고 승용차만 이용한 경우를 추출하였다. 그러나 수단 중 대중교통은 단일수단의 표본 수가 적기 때문에 도보나 승용차로 환승 한 경우라도 대중교통을 이용했다고 정의하였다. 또한, 순수 통행량을 위해 목적이 겹쳐질 수 있는 누군가를 태우거나 내려주는 경우와 귀사 혹은 귀가하는 경우는 제외하였다. 마지막으로 통행목적 전체와 통행수단 전체의 경우, 가구통행실태조사 자료가 제공하는 모든 목적 및 수단을 포함하여 분석하였다.

세 번째 과정에서는 앞서 구축한 통행네트워크 자료를 대상으로 Community Detection 기법을 적용함으로써 네트워크를 구축하였다. 이때 행정동별 pagerank 값을 계산한 후 분석에 가중치 값으로 고려하였다.

마지막으로, 네트워크가 도출되면 동일한 네트워크끼리 같은 값을 부여하여 그룹화를 시키고 GIS를 이용하여 Mapping을 하였다. 이는 지도 내에서 통행특성별 생활권 특징을 쉽게 파악하고자 했으며. 또한, 통행패턴에 따른 각 생활권끼리 어떠한 차이가 있는지 비교 분석하고 나아가 현재 지자체에서 수립한 생활권과의 차이점을 도출하여 현재 생활권 설정의 한계점을 보여주고 최종적으로 도시민들의 생활반경에 맞는 생활권 설정 방향을 시사하고자 한다.

Community Detection 기법을 적용하여 나온 통행특성별 결과는 <그림 2>로 요약하여 제시하고 있다. 최종적으로 Community 분류 결과는 Community 수, 모듈성 지표를 보여준다. 모듈성은 0에서 1 사이의 값을 가지며 1과 가까울수록 네트워크 내부의 연계성 및 네트워크 간 상호 배타성이 높음을 의미하고, Community 수는 네트워크가 분할된 수를 의미한다.

Figure 2. 
Analysis results of Community Detection by the mode and purpose of travel

먼저, 수단별 분석 결과를 살펴보면 도보는 106개, 승용차는 34개, 대중교통은 30개, 수단 전체는 34개의 생활권이 도출되었다. 도보 같은 경우, 임계거리 및 시간이 존재하기 때문에 이와 관련해 비슷한 특성의 노드끼리 네트워크를 구축하여 상대적으로 0.81이라는 높은 모듈성 값이 도출되었다. 반면에 승용차의 경우에는 모듈성이 0.65로 가장 낮은 값이 도출되었다. 이는 승용차라는 수단의 특성상 거리와 시간의 제약이 거의 없기 때문에 상호배타성이 적어 이러한 결과를 보이는 것으로 나타났다.

다음으로 통행수단별 Community Detection에 의한 생활권 설정의 Mapping 결과이다(<그림 2> 참조). 도보의 경우, 임계거리와 시간적 영향으로 생활권 구축이 대부분 하나의 읍면동이 같은 생활권으로 구축되는 것을 확인할 수 있다. 승용차는 전체 통행수단의 생활권과 비슷하게 구축되고, 그 크기가 상대적으로 크다. 대중교통은 다른 수단에 비해 생활권 내 읍면동 수가 적으며 국지적으로 생활권이 구축되는 것을 확인할 수 있다.

통행목적별 분석 결과를 살펴보면 모듈성 값이 0.63~0.71 사이의 범위에 있음을 알 수 있다(<그림 2> 참조). 모듈성이 수단별 분석 결과와 비교했을 때 상대적으로 낮게 나왔는데 이는 통행의 목적을 위해 이동하는 반경이 넓어져 네트워크 간 상호 배타성이 상대적으로 낮아졌기 때문에 모듈성 값도 작아지는 것으로 보인다. 생활권 수를 살펴볼 때, 통근은 30개, 통학은 84개, 쇼핑은 85개, 목적 전체는 35개의 생활권으로 도출된다.

다음으로 “통행 수단 및 목적별” Community Detection에 의한 생활권 설정의 Mapping 결과이다(<그림3-1>, <그림3-2> 참조). 통근과 목적별 전체 생활권은 서로 비슷하게 생활권이 설정되었으며 목적 통행을 하는 데 있어 수단선택 중 승용차 비율이 높아 넓은 이동반경이 가능해짐에 따라 생활권의 크기가 크다. 통학 같은 경우, 쇼핑과 비슷한 생활권이 구축되지만 크기가 작은 생활권의 무게 중심이 다르게 분포되어 있다는 특징이 있다.

Figure 3-1. 
Mapping results of Community Detection by travel mode

Figure 3-2. 
Mapping results of Community Detection by travel purpose

통행수단 중 승용차의 경우, 탑승지와 노선 등의 제한이 없고, 이동반경이 큰 수단이기 때문에 네트워크 간 상호 배타성이 적어 모듈성이 0.65로 상대적으로 낮은 값이 도출되었다. 대중교통의 경우, 노선이 정해져 있으며 승강장, 정류장 등의 위치가 고정적이다. 이러한 대중교통 수단의 특징 때문에 특성이 비슷한 노드끼리 네트워크가 구성되어 0.70이라는 높은 모듈성 값이 도출되었지만, 생활권의 수는 작은 값이 도출되었다. 수단 전체 같은 경우 이동반경이 큰 승용차 등을 포함한 모든 수단을 고려한 값이기 때문에 모듈성이 제일 작은 0.63의 값이 도출되었다.

통근 같은 경우 통행수단 중 승용차를 이용하는 비율이 높고(<표 1> 참조), 이로 인해 이동반경이 넓어지고 네트워크 간의 상호 배타성이 작아지면서 모듈성이 상대적으로 낮은 값을 갖는다. 통학과 쇼핑의 경우 생활권 수가 많고 모듈성이 큰 값을 갖는다. 이는 통행수단 중 도보를 이용하는 비율이 높기 때문인데 도보의 특성상 임계거리 및 시간이 존재하기 때문에 연계성이 높은 노드끼리 네트워크를 구성하기 때문이다. 목적 통행의 전체는 모든 목적에 대한 분석으로 각 커뮤니티 내 상호 배타성이 작아, 모듈성도 제일 낮은 값을 갖게 된다.

또한, 중소도시 및 농촌 등 지역별로 생활권의 특징을 알아보기 위해 시군구 단위로 생활권의 개수와 하나의 생활권 내에 위치하고 있는 읍면동 수의 평균, 표준편차, 최댓값, 최솟값 등에 대한 요약 통계량을 <표 2>와 같이 제시하였다. 이 표에서 시군구별, 수단별 생활권을 살펴보게 되면, 첫 번째 도보와 승용차의 경우 시와 구에 비해 군의 생활권 크기가 작다. 이는 군이 시와 구에 비해 시설 및 서비스의 다양성이 적기 때문에 작은 생활반경이 형성되었기 때문이다. 그러나 이동반경이 큰 승용차는 도보에 비해서는 생활권 크기가 크다는 것을 알 수 있다(<그림 3-1> 참조).

두 번째로 대중교통의 경우, 시와 구에 비해 군의 생활권 크기가 작은데 이는 대중교통이 다양하지 않아 대중교통을 이용하기 위해 이동하는 반경이 작기 때문이다. 시와 구는 대중교통이 다양함에 따라 장거리 이동이 가능한 교통수단이 존재하기 때문에 상대적으로 생활권 크기가 크게 도출되었다. 또 다른 특성으로는 구의 생활권 편차가 시·군에 비해 큰 값으로 나왔는데 이는 대중교통 수단에 영향을 받아 생활권의 크기가 다양해졌음을 알 수 있다. 즉, 고속버스터미널과 마을버스 정류장 등 수단에 따라 생활반경이 상이하게 다를 수 있어 생활권의 크기가 다양해지는 것이다.

시군구별로 통행의 목적별로 일상생활권의 읍면동별 개수에 대한 차별적 특성을 <표 2>의 하단에서 요약하여 제시하고 있다. 여기서 통근의 경우 생활권의 크기가 크게 나왔는데 이는 다양한 요인에 의해 직주근접이 어려워 이동반경이 커졌기 때문으로 풀이된다(이삼수, 2004). 통학과 쇼핑의 경우 생활권의 크기가 비슷하게 도출되었는데 이는 통근과 비교했을 때 학교와 쇼핑 장소는 직장과 다르게 집에 가까운 경우가 많기 때문이다. 또한, 통학과 쇼핑은 생활권은 비슷하게 분석되었지만 무게 중심이 다르게 분포되어 있음을 <그림 3-2>에서 확인할 수 있다.

분석 결과를 토대로 2030 내포신도시권 광역도시계획 생활권 부문과 비교해 보았다. 생활권이 위계에 따른 대생활권, 중생활권, 소생활권으로 계획되어 있는 것을 확인할 수 있다(<그림 4> 참조). 이는 크리스탈러(W. Christaller)의 중심지 이론을 바탕으로 중심지에 따른 계층적인 위계질서를 따르고 있으며 읍면동 단위로 기초생활권을 형성해 기존의 행정경계를 기준으로 생활권을 구축하여 모양과 크기가 획일적인 것을 알 수 있다. 반면 본 연구의 생활권은 행정경계가 기준이 아닌 주민들의 통행패턴을 기반으로 구축하였기 때문에 생활권의 모양과 크기가 획일적이지 않고 다양하다.

Figure 4. 
Comparison of the results of Community Detection to living areas designated in the area-wide urban planning of the Naepo Newtown

2030 청주권역 도시계획 생활권 부문과 비교해 보았을 때. 2030 청주권역 도시계획에서는 중심도시인 청주시와 권역 내 주요지역 간의 거리를 기준으로 생활권을 설정하고 있다(<표 3> 참조). 청주와 증편 간 약 19km이며 그 밖에 진천과 음성, 괴산, 보은 지역은 25~38km 거리에 입지하고 있는 특성을 고려하여 생활권을 구축하였다. 중심도시인 청주시를 기준으로 권역 내 주요지역 간의 거리를 기준으로 생활권을 설정한 청주권역 도시계획 생활권 부문도 거리를 기준으로 생활권을 설정하였기 때문에 생활권의 모양과 크기가 획일적인 것을 확인할 수 있다.

본 연구결과와 비교했을 때, 목적별 통행 중 통근생활권에서는 청주-청원-증평-진천-음성이 같은 생활권으로 구축되었으며 보은과 괴산은 각 군이 하나의 생활권으로 도출되었다. 다음으로 통학생활권에서는 청주-증평-괴산이 같은 생활권으로 구축되었다. 통근과 달리 음성과 옥천 내에서는 다수의 생활권이 형성되었으며 일상 쇼핑생활권에서는 증평-괴산-음성-청주시 청원군, 청주시와 보은군이 하나의 생활권으로 구축되어 2030 청주권역 생활권 설정 부문과 연구결과가 차이를 보이는 것을 알 수 있다.

또한, 시와 도의 행정경계를 넘는 생활권이 도출되었었다. 그중 쇼핑생활권에서 충청남도 보령시 청라면-부여군 외산면이 같은 생활권으로 형성되었으며 통학생활권에서는 충청남도 보령시 미산면-부여군 외산면이, 충청남도 공주시-의당면과 세종특별시 장군면이 같은 생활권으로 형성되었다.

이를 통해 현재 계획되고 있는 생활권과 본 연구의 생활권이 차이를 갖는다는 것을 알 수 있었다. 이는 위계에 따른 대생활권, 중생활권, 소생활권을 기준으로 삼거나 주요지역 간의 거리 또는 행정경계와 같은 물리적인 요소를 기준으로 생활권을 계획하는 것과 달리 주민들의 실제 통행패턴을 기반으로 생활권을 구축하였기 때문에 모양과 크기가 획일적이지 않고 다양한 생활권이 도출되었다고 볼 수 있다. 즉, 주민들의 통행목적의 다양성과 교통수단 선택의 폭이 넓어지고 재화와 서비스를 공급하는 지역이 많아짐으로써 생활반경이 넓어진 것 또한 생활권의 크기와 모양의 다양성에 영향을 미쳤다고 볼 수 있다.